carla学习笔记(六)

最新推荐文章于 2024-06-13 15:08:27 发布
最新推荐文章于 2024-06-13 15:08:27 发布
阅读量880 收藏 1
点赞数 1
分类专栏： carla 文章标签： 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45572737/article/details/126682772
版权

今天本来准备学习的是open3d_lidar.py的源码，但在将代码粗略的翻了一下，准备跑跑的时候发现会报错误：

/usr/bin/python3: Relink `/lib/x86_64-linux-gnu/libsystemd.so.0' with `/lib/x86_64-linux-gnu/librt.so.1' for IFUNC symbol `clock_gettime'
/usr/bin/python3: Relink `/lib/x86_64-linux-gnu/libudev.so.1' with `/lib/x86_64-linux-gnu/librt.so.1' for IFUNC symbol `clock_gettime'
段错误 (核心已转储)

很奇怪的错误，我在网上找到的别人的解决办法全部都是：apt install python3-opencv

但比较奇怪的是，不起作用。然后我仔细debug了代码段，发现是open3d包的问提，顺藤摸挂，找到了open3d的官网，发现自己的版本是0.09，但在issue里面没有找到类似的问题。在查找错误的原因时，发现好多都是安装了conda，对于自己安装的python的包进行管理，但我一直没有安装，觉得还是要安装一下。准备下一步先解决open3d包的问题，去issue提问，看会不会有管理员回复，然后不conda安装一下，调整好环境，最后整合一下这周学到的关于carla-pythonapi的相关设置，整理成一份包。以后想做什么实验就直接在包里面找找就行了。希望这个月可以把《程序员的自我修养》读完。

hex_refugeeeee
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
自动驾驶_学习笔记1
08-04
【自动驾驶学习笔记1】 自动驾驶是近年来科技领域的热点话题，它涉及人工智能、计算机视觉、传感器融合、路径规划等多个技术领域。本文将围绕自动驾驶的背景、研究现状、关键技术、仿真平台及其分级进行详细介绍。 ...
汽车刹车距离matlab代码-dataMPC_parking:arXiv2011.00413：（MATLAB仿真）在没有协调的严格约束环境中避
05-20
汽车刹车距离matlab代码dataMPC_parking 在没有协调的严格约束环境中避免冲突：分层控制方法 ...：用于从CARLA数据文件夹中提取数据的ipython笔记本 ./learning/ ：用于学习从相对配置到策略的映射的不同模型 strate
python3: Relink xxx with xxx for IFUNC symbol `clock_gettime‘ Segmentation fault (core dumped)
Hello Word!
03-17 2963
python3: Relink `/lib/x86_64-linux-gnu/libsystemd.so.0' with `/lib/x86_64-linux-gnu/librt.so.1' for IFUNC symbol `clock_gettime' python3: Relink `/lib/x86_64-linux-gnu/libudev.so.1' with `/lib/x86_64-linux-gnu/librt.so.1' for IFUNC symbol `clock_gettime' S
【嵌入式遇到的问题】Linux中出现：“已放弃（核心已转储）”该怎样解决呢？
weixin_51911075的博客
11-15 9195
宝子们是否遇到过这样的问题“已放弃（核心已转储）”，跟着辣面子来解决这个问题吧！
【Linux】段错误（核心已转储）（core dumped）问题的分析方法
最新发布
06-13 9101
【Linux】段错误（核心已转储）（core dumped）问题的分析方法
import tensorflow 出现 python3: Relink ‘/lib/x86_64-linux-gnu/libudev.so.1’ with '/lib/x86_64-linux-gn...
weixin_34268610的博客
11-09 1671
直接显示 Segmentation fault (core dumped) 退出python3 解决方法是： sudo ln -sf /lib/x86_64-linux-gnu/libudev.so.0 /lib/x86_64-linux-gnu/libudev.so.1 转载于:https://www.cnblogs.com/xiecl/p/9933903.html...
linux无gcc离线安装python,ubuntu上使用python3安装第三方库显示x86_64-linux-gnu-gcc 不存在...
weixin_42299775的博客
05-12 498
一，问题发现使用jenkins管理我的python代码，因为使用的是python3.5的版本，先在ubuntu上使用virtualenv生成一个python3.5的虚拟运行环境virtualenv -p /usr/bin/python3.5 --no-site-packages python3.5virtualenv这个命令是创建一个python的一个"独立"运行环境，因为当我们的系统存在多个版本...
undefined symbol问题的查找定位与解决方法
hjwang1的专栏
03-05 1万+
ref:https://blog.csdn.net/buknow/article/details/96130049 这块可以通过ldd -r命令查看生成的so是否存在符号未定义的内容。 ImportError: /home/os/catkin_ws/devel/lib/libaslam_cameras_april.so: undefined symbol: _ZN2cv6imshowERKNSt7__cxx1112basic_stringIcSt11char_traitsIcESaIcEEERKNS_1
Carla首次运行出现error while loading shared libraries: libomp.so.5 问题解决方法
qq_38332663的博客
03-01 535
Carla首次运行./CarlaEU4.sh报错error while loading shared libraries: libomp.so.5。
新目标英语九年级上册Unit5试卷2精选.doc
09-26
3. 第3题中提到这本法语书是Carla的，因为他是唯一读法语的人，推测语气非常肯定，因此使用“must be”，选C。 4. 第4题涉及到共同所有与各自所有的区别。Mr. Huang是Jim和Mary共同的老师，所以用“A: Jim and Mary...
九年级英语全册Unit8ItmustbelongtoCarla测试卷3新版人教新目标版
08-06
这篇内容是关于一份针对九年级学生的英语测试卷，主要涵盖了Unit 8 "It must belong to Carla"的相关听力技能训练。这个单元通常会涉及到物品归属、日常活动、个人喜好等话题，旨在提高学生的英语听力理解能力。 ...
九年级英语全册Unit8ItmustbelongtoCarla综合测评新版人教新目标版
08-05
这篇内容实际上是一个针对九年级学生的英语综合测评，主要基于人教新目标版教材Unit 8 "It must belong to Carla"的课件。这个单元的主题可能是关于猜测物品归属的表达方式，如"It must be..."或"It can't be..."等...
carla安装以及运行出现的各种问题及解决方案
weixin_42007939的博客
12-01 7837
carla安装以及运行出现的各种问题及解决方案 Carla是一个全开源的自动驾驶平台，win10系统安装过程中出现的各种各样的问题，下面是解决方法，首先是https://carla.org/，在这里找到你想要的版本然后进入GitHub进行安装，但是一般人很少用外网，所以导致下载速度特别慢，我这里有Carla的0.9.8的版本安装包 hi，这是我用百度网盘分享的内容~复制这段内容打开「百度网盘」APP即可获取 链接:https://pan.baidu.com/s/1ZY70L85N9nSgNUnFJqzc8Q
error while loading shared libraries的解決方法
ccnu_fufan的专栏
08-13 878
<br />  在linux下编译程序可能会出现：error while loading shared libraries：xxx.so.0: cannot open shared object file: No such file or directory.这样的错误提示。表示系统不知道xxx.so.0（so表示共享库和windows下的动态链接库相似）文件放在哪个目录。这时，我们需要配置一下/etc/ld.so.conf文件。<br />  因为很多xxx.so.0文件会出现在/usr/local/li
解决apt-get: relocation error: /usr/lib/x86_64-linux-gnu/libapt-private.so.0.0: symbol _ZN9pkgSystem9L
weixin_43815222的博客
10-24 1712
linux报错： apt-get: relocation error: /usr/lib/x86_64-linux-gnu/libapt-private.so.0.0: symbol _ZN9pkgSystem9LockInnerEv version APTPKG_5.0 not defined in file libapt-pkg.so.5.0 with link time reference 解决方法： wget https://launchpad.net/ubuntu/+archive/primary
Ubuntu20.04出现段错误（核心已转储）的可能原因以及解决方案
m0_74864588的博客
04-13 3442
Ubuntu20.04出现段错误（核心已转储）的可能原因以及解决方案
解决/usr/lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.29‘ not found问题
zhangzeyuan56的博客
11-21 1万+
网上有分析说调用的高版本的gcc，生成的动态库没有替换老版本gcc的动态库导致。因此需要把高版本的so文件复制到低版本的so文件目录下。如下分析：但我报的错有点跟他们不太一样，我实在python的虚拟环境中执行的。我查看了虚拟环境中的so文件，有“GLIBCXX_3.4.29”的内容的。但为什么没有被引用，反而舍近求远去调用 “/usr/lib/” 这个目录下呢？
【问题记录】Ubuntu 22.04 环境下，程序报：段错误（核心已转储）怎么使用 core 文件和GDB调试器 解决？
热门推荐
weixin_43729127的博客
07-21 1万+
首先要确定核心转储文件的生成路径和大小限制。然后使用调试器（如 GDB）来分析核心转储文件和堆栈跟踪信息后，修复代码中导致“段错误”的原因。
UOS非开发者模式deb打包安装说明（附带解压说明）
u011976751的博客
03-04 6773
以临证机软件为例，project_uos完整目录结构如下： ├── DEBIAN │ └── control ├── etc │ └── udev │ └── rules.d │ └── ttyusb.rules ├── lib │ └── x86_64-linux-gnu │ └── libQt5SerialPort.so.5 └── opt └── apps └── com.xidroid.tempcardprint...
强化学习 自动驾驶 carla
11-29
强化学习是一种机器学习方法，它通过试错来学习如何在特定环境中采取行动以最大化奖励。CARLA是一个开源的自动驾驶仿真平台，可以用于测试和评估自动驾驶算法。下面是使用强化学习在CARLA中实现自动驾驶的一些步骤： 1. 安装CARLA和Python API ```shell # 安装CARLA wget https://carla-releases.s3.eu-west-3.amazonaws.com/Linux/CARLA_0.9.11.tar.gz tar -xvf CARLA_0.9.11.tar.gz # 安装Python API pip install pygame numpy networkx scipy matplotlib git clone https://github.com/carla-simulator/carla.git cd carla/PythonAPI/carla/dist easy_install carla-0.9.11-py3.7-linux-x86_64.egg ``` 2. 创建CARLA环境 ```python import carla # 连接到CARLA服务器 client = carla.Client('localhost', 2000) client.set_timeout(10.0) # 获取CARLA世界 world = client.get_world() # 设置天气和时间 weather = carla.WeatherParameters(cloudiness=10.0, precipitation=10.0, sun_altitude_angle=70.0) world.set_weather(weather) world.set_sun_position(carla.Location(x=0.0, y=0.0, z=0.0)) # 创建车辆和摄像头 blueprint_library = world.get_blueprint_library() vehicle_bp = blueprint_library.filter('vehicle.tesla.model3')[0] spawn_point = carla.Transform(carla.Location(x=50.0, y=0.0, z=2.0), carla.Rotation(yaw=180.0)) vehicle = world.spawn_actor(vehicle_bp, spawn_point) camera_bp = blueprint_library.find('sensor.camera.rgb') camera_transform = carla.Transform(carla.Location(x=1.5, z=2.4)) camera = world.spawn_actor(camera_bp, camera_transform, attach_to=vehicle) ``` 3. 实现强化学习算法 这里我们以Deep Q-Network (DQN)为例，使用Keras实现神经网络。 ```python import keras from keras.models import Sequential from keras.layers import Dense, Flatten from keras.optimizers import Adam class DQNAgent: def __init__(self, state_size, action_size): self.state_size = state_size self.action_size = action_size self.memory = deque(maxlen=2000) self.gamma = 0.95 self.epsilon = 1.0 self.epsilon_min = 0.01 self.epsilon_decay = 0.995 self.learning_rate = 0.001 self.model = self._build_model() def _build_model(self): model = Sequential() model.add(Flatten(input_shape=(1,) + self.state_size)) model.add(Dense(24, activation='relu')) model.add(Dense(24, activation='relu')) model.add(Dense(self.action_size, activation='linear')) model.compile(loss='mse', optimizer=Adam(lr=self.learning_rate)) return model def remember(self, state, action, reward, next_state, done): self.memory.append((state, action, reward, next_state, done)) def act(self, state): if np.random.rand() <= self.epsilon: return random.randrange(self.action_size) act_values = self.model.predict(state) return np.argmax(act_values[0]) def replay(self, batch_size): minibatch = random.sample(self.memory, batch_size) for state, action, reward, next_state, done in minibatch: target = reward if not done: target = (reward + self.gamma * np.amax(self.model.predict(next_state)[0])) target_f = self.model.predict(state) target_f[0][action] = target self.model.fit(state, target_f, epochs=1, verbose=0) if self.epsilon > self.epsilon_min: self.epsilon *= self.epsilon_decay # 初始化DQNAgent state_size = (800, 600, 3) action_size = 3 agent = DQNAgent(state_size, action_size) # 训练DQNAgent for e in range(EPISODES): state = env.reset() state = np.reshape(state, [1, 1] + list(state_size)) for time in range(500): action = agent.act(state) next_state, reward, done, _ = env.step(action) next_state = np.reshape(next_state, [1, 1] + list(state_size)) agent.remember(state, action, reward, next_state, done) state = next_state if done: break if len(agent.memory) > batch_size: agent.replay(batch_size) ``` 4. 运行CARLA仿真 ```shell ./CarlaUE4.sh -windowed -carla-server -benchmark -fps=20 ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值